View a markdown version of this page

AgentCore informations : Triez les défaillances des agents grâce à l'analyse des modèles - Base rocheuse de l'Amazonie AgentCore
Comment les informations sont déclenchéesDu triage à l'optimisation

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

AgentCore informations : Triez les défaillances des agents grâce à l'analyse des modèles

Note

AgentCore insights est en avant-première publique. Les fonctionnalités et les API peuvent changer avant la disponibilité générale.

Note

Lors de l'utilisation d' AgentCore insights dans ap-south-1, le service utilise les profils d'inférence interrégionaux Bedrock APAC. Lors de l'utilisation d' AgentCore insights dans ap-northeast-2, le service utilise les profils d'inférence interrégionaux globaux de Bedrock. Dans les deux cas, votre demande peut être acheminée vers l'une des régions de destination du profil. Ce routage peut se produire même si vous n'avez pas choisi ces régions ou si les politiques de contrôle des services interdisent explicitement l'inférence dans ces régions. Les instructions de saisie et les résultats de sortie peuvent être stockés dans ces régions de destination à des fins de détection des abus.

Amazon Bedrock AgentCore Insights analyse les sessions de vos agents pour identifier les modèles de défaillance, extraire les intentions des utilisateurs et résumer le comportement d'exécution. Insights étend les AgentCore évaluations en fournissant une analyse de triage qui va au-delà de la notation : elle vous indique pourquoi votre agent échoue et ce que vos utilisateurs essaient d'accomplir.

AgentCore insights propose trois types d'analyses :

  • Analyse des défaillances : identifie les défaillances dans les sessions des agents, les classe à l'aide d'une taxonomie détaillée (erreurs d'outils, hallucinations, raisonnement incorrect, comportements répétitifs, etc.), retrace les causes profondes jusqu'à des périodes spécifiques et fournit des recommandations de correction.

  • Extraction des intentions de l'utilisateur : extrait ce que les utilisateurs ont essayé d'accomplir au cours de chaque session, puis regroupe les intentions similaires pour vous montrer les cas d'utilisation les plus courants gérés par votre agent.

  • Résumé de l'exécution : résume l'approche adoptée par l'agent et les résultats de chaque session, puis regroupe les modèles d'exécution similaires pour révéler comment votre agent résout généralement les problèmes.

Après une analyse par session, le service regroupe les résultats d'une session à l'autre pour mettre en évidence des modèles récurrents. Pour l'analyse des défaillances, cela produit une hiérarchie à trois niveaux : catégories de défaillances → sous-catégories → clusters de causes premières, chacun avec les sessions concernées, des explications et des recommandations de correction.

Comment les informations sont déclenchées

L'analyse des informations peut être déclenchée de deux manières :

  • Évaluation unique par lots : appelez StartBatchEvaluation insights pour effectuer une analyse sur une plage de sessions. Les résultats sont renvoyésGetBatchEvaluation.

  • Récurrent via un calendrier de clustering : ClusteringConfig configurez une configuration d'évaluation en ligne avec une ou plusieurs fréquences (DAILYWEEKLY, ouMONTHLY). Le service déclenche automatiquement des tâches d'évaluation par lots selon la cadence configurée. Vous pouvez également créer un rapport personnalisé dans le calendrier récurrent pour l'épingler à une date et une heure spécifiques.

Per-session L'analyse des informations s'exécute automatiquement lorsque les informations sont configurées via CreateOnlineEvaluationConfig, mais les résultats groupés indiquent que les modèles de surface ne sont générés que lors des tâches d'évaluation par lots.

Du triage à l'optimisation

AgentCore insights fonctionne conjointement avec AgentCore l'optimisation pour boucler la boucle d'amélioration. Une fois que Insights a identifié les modèles de défaillance et les causes profondes, vous pouvez intégrer ces résultats à l'API Recommendations afin de générer une invite système améliorée qui traite les problèmes triés. Cela transforme les résultats de diagnostic en modifications de configuration exploitables :

  1. Triage : analysez des informations pour identifier les catégories de défaillances récurrentes et leurs causes profondes.

  2. Générer une recommandation : appelez StartRecommendation avec l'invite de votre système actuelle et dirigez-la vers les mêmes traces d'agent. Le service produit une invite système recommandée avec une explication des modifications apportées.

  3. Valider : utilisez A/B des tests pour comparer les configurations d'origine et recommandées avec le trafic réel.